新疆喀什地区泽普县维族双语教师汉语水平调查研究

教师的水平制约着教育的发展,双语教师在双语教育中起着重要作用。本文对新疆喀什地区泽普县维族双语教师的汉语水平进行实地调研,找出他们汉语水平存在的问题,并针对问题提出建议。     

一种新的超分辨率图像重建算法

首先将低分辨率及相应高分辨率图像进行非下采样Contourlet变换得到细节图像对,然后通过多任务学习估计细节图像之间的映射参数对低分辨率图像进行重建.实验结果表明,该方法能够取得比传统线性插值、双三次方法更好的效果.     

通用装备“四合四统”建设模式下维修管理组织结构设计研究

针对“四合四统”建设模式对通用装备维修管理提出的要求,分析了装备维修管理组织结构的基本类型。在此基础上,依据需求,对装备维修管理组织结构进行设计,以机步师为例,构建了“四合四统”模式下装备维修管理组织结构体系,为通用装备维修管理适应新装备形成作战保障能力建设提供了理论参考。     

基于灰色关联分析的防空兵力编组方案优选

要地防空中需要研究的问题很多,其中要地防空兵力编组方案优选是研究的重点问题之一,首先对灰关联分析方法和要地防空兵力编组的关联性进行了分析,然后在兵力部署要求的基础上,建立了评价指标体系及其量化分析,最后采用灰关联分析方法建立了方案优选模型,具体的实例验证了基于灰关联分析的兵力编组优选模型的可行性和有效性,为要地防空兵力编组方案的优选问题提供了一种量化的新思路。     

组织冲突及其管理

组织冲突是指组织内部成员之间、不同部门之间、个人与组织之间由于在工作方式、利益、性格、文化价值观等方面的差异而引起的彼此相抵触、争执甚至攻击等行为对立状态。引起冲突的原因是多方面的,有来自个人的,也有源于组织结构的。从冲突导致的后果来考察,可分为建设性冲突和破坏性冲突;从冲突发生的组织层次水平来看,有非正式组织与正式组织之间、直线主管人员与参谋以及委员会内部成员之间的冲突。要有效地管理冲突,首先要树立正确的观念,然后对冲突进行适当的诊断,最后有针对性地选择妥善的管理策略。     

强化学习框架下移动自组织网络分步路由算法

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

在线学习的主用户仿冒攻击策略

在认知无线网络中,次用户通过频谱感知来学习频谱环境,从而接入那些没有被主用户占用的频谱空隙。事实上,多种恶意攻击的存在会影响次用户频谱感知的可靠性。只有深入研究恶意攻击策略,才能确保认知无线网络的安全。基于此,研究了一种认知无线网络中的欺骗性干扰策略,即主用户仿冒攻击策略,该攻击策略通过在信道上传输伪造的主用户信号来降低次用户频谱感知的性能。具体来说,将攻击策略问题建模为在线学习问题,并提出基于汤普森采样的攻击策略以实现在探索不确定信道和利用高性能信道间的权衡。仿真结果表明,与现有的攻击策略相比,提出的攻击策略能更好地通过在线学习优化攻击决策以适应非平稳的认知无线网络。     

用卷积神经网络分类最大稳定极值区域实现汉字区域定位

获取对应笔画级连通区的最大稳定极值区域,实施形态学闭操作融合相距较近的最大稳定极值区域,融合后最大稳定极值区域对应的单个汉字区域;利用灰度共生矩阵描述最大稳定极值矩形区域的纹理信息,将其作为卷积神经网络的输入,卷积神经网络对最大稳定极值区域进行分类,过滤非汉字部分;利用最大稳定极值区域颜色直方图的Bhattacharyya距离等特征对最大稳定极值区域进行聚类,同一类最大稳定极值区域组合得到汉字文本候选区域;再次利用卷积神经网络对候选文本区域进行分类,过滤非文本部分,剩余的就是定位到的汉字文本区域。实验结果表明,该算法对于汉字区域定位具有良好的效果。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。